首页--文化、科学、教育、体育论文--高等教育论文--学校管理论文

数据挖掘在高校招生中的应用研究

摘要第4-5页
Abstract第5-6页
第一章 绪论第10-16页
    1.1 研究背景及意义第10-11页
        1.1.1 研究背景第10页
        1.1.2 研究意义第10-11页
    1.2 国内外研究现状第11-13页
        1.2.1 国外研究现状第11页
        1.2.2 国内研究现状第11-13页
    1.3 研究思路和方法第13-14页
        1.3.1 研究思路第13页
        1.3.2 研究方法第13-14页
    1.4 论文框架及内容第14-16页
第二章 数据挖掘技术概述第16-22页
    2.1 数据挖掘的研究内容第16页
    2.2 数据挖掘的功能第16-18页
        2.2.1 数据区分和特征化第16-17页
        2.2.2 关联分析第17页
        2.2.3 分类与预测第17-18页
        2.2.4 聚类分析第18页
    2.3 数据挖掘方法第18-20页
        2.3.1 遗传算法第18页
        2.3.2 神经网络算法第18-19页
        2.3.3 决策树算法第19-20页
    2.4 本章小结第20-22页
第三章 系统需求分析第22-28页
    3.1 设计目标第22页
    3.2 系统可行性分析第22-23页
        3.2.1 技术可行性分析第22-23页
        3.2.2 经济可行性分析第23页
        3.2.3 操作可行性分析第23页
    3.3 系统体系结构第23-24页
    3.4 系统功能需求分析第24-25页
    3.5 系统非功能需求分析第25-26页
    3.6 本章小结第26-28页
第四章 系统设计第28-38页
    4.1 系统结构设计第28页
    4.2 功能模块设计第28-33页
        4.2.1 公告信息模块第28-29页
        4.2.2 新生信息模块第29页
        4.2.3 通知书打印模块第29-30页
        4.2.4 新生报到模块第30页
        4.2.5 新生缴费模块第30-31页
        4.2.6 宿舍管理模块第31页
        4.2.7 决策分析模块第31页
        4.2.8 系统维护模块第31-33页
    4.3 数据库设计第33-37页
    4.4 本章小结第37-38页
第五章 数据挖掘相关算法在系统中的应用第38-58页
    5.1 决策分析主题描述第38-39页
    5.2 相关数据准备第39-43页
        5.2.1 数据采集第39-40页
        5.2.2 数据预处理第40-43页
    5.3 关联规则挖掘在决策分析模块中的应用第43-47页
        5.3.1 训练集和测试集第43页
        5.3.2 利用Apriori算法建立训练集的挖掘模型第43-45页
        5.3.3 利用测试集数据验证挖掘模型第45-46页
        5.3.4 输出规则第46-47页
    5.4 决策树挖掘在决策分析模块中的应用第47-57页
        5.4.1 训练集和测试集第47页
        5.4.2 利用C4.5算法建立决策树步骤第47-49页
        5.4.3 训练集决策树模型的建立第49-56页
        5.4.4 测试集决策树模型的建立第56页
        5.4.5 结果分析第56-57页
    5.5 本章小结第57-58页
第六章 系统实现第58-70页
    6.1 系统登录第58-59页
    6.2 信息模块第59-61页
        6.2.1 公告信息模块第59页
        6.2.2 新生信息模块第59-61页
    6.3 通知书打印第61-62页
    6.4 新生报到第62-64页
        6.4.1 报到注册模块第62页
        6.4.2 新生缴费模块第62-63页
        6.4.3 宿舍管理模块第63-64页
    6.5 决策分析模块第64-66页
    6.6 系统维护模块第66-68页
    6.7 本章小结第68-70页
第七章 结论与展望第70-72页
    7.1 结论第70页
    7.2 展望第70-72页
参考文献第72-75页
发表论文第75-76页
致谢第76页

论文共76页,点击 下载论文
上一篇:高职院校学生综合素质评价系统的研发
下一篇:基于TF-IDF改进算法和喜好度的视频用户分类